Har i stavekontrol på søgefunktionen / Søgekorrektur / "Mente du"?

Må jeg spørge hvordan du har lavet det?

Den klassiske metode er jo at beregne en edit distance (evt. en Levenshtein distance!?) mellem det indtastede ord og ordene i dit index. Arbejdet ligger jo så i at begrænse antallet af sammenligninger. Der er også situationer hvor Soundex algoritmen eller Olivers algoritme er de rigtige at bruge.

Jeg laver det jævnligt selv, men jeg benytter oftest Solr (http://lucene.apache.org/solr/), hvor spellchecking følger med som et component og fungerer out of the box. Solr/Lucene er så kraftfuldt et værktøj at det, efter min mening, sjældent giver mening at arbejde i at gøre det bedre selv. Ikke dermed sagt at man ikke skal forbedre og patche Solr - det sætter vi alle pris på :)

Laver du nogen andre former for behandling af dine søgeord? Stemming eller lemmatization? Benytter du stopords-lister eller synonym-lister? Er din stavekontrol case-sensitive?

Hvordan laver du stavekontrol ved queries der består af flere ord? Deler du strengen op i enkelte ord og kører din stavekontrol på den eller kører du den på hele strengen, lige meget hvor mange ord den består af? Hvis du deler strengen op, hvad deler du den så på?

Sorry hvis det er for mange spørgsmål, men information retrieval er et område jeg er meget interesseret i og både arbejder med til dagligt og hygger mig med i min fritid.

Hej Morten

Der fik jeg vist lige antændt en gnist i dig hva? Det er godt. Der er nogenting jeg gerne vil svare på, og nogen af dem, vil jeg gerne holde for mig selv. Jeg bruger ikke levenshtein - den er for tung. Soundex virker nærliggende, men det fungerer ikke rigtigt på dansk, da vi har ofte bruger stumme bogstaver.

Stemming på dansk er særdeles besværligt og kræver noget mere tid og data ved hånden, end jeg har fået. Dansk er et besværligt sprog. Som nævnt implementerede jeg det for nogle kunder og desværre har det ikke været økonomi eller tid til det. Olivers algoritme har jeg ikke læst om, så det vil jeg gerne vide mere om.

Kan vi ikke skrive privatbeskeder, hvis du er mere interesseret i det tekniske? ;-) Pt. vil jeg gerne have stillet mig egen nysgerrighed om hvorfor det er sådan et sjældent fænomen i Danmark.

Interessant - hvilke virksomheder anvender det? Og jeg skal da lige høre, hvem arbejder du for?

Det er ikke min plads at "outte" de virksomheder der benytter de her teknologier. Hvis de vil fortælle verden om det, så må de selv gøre det.

Jeg arbejder fuldtids for Fynske Medier og må hellere slå fast at jeg IKKE laver konsulentarbejde for andre. Ikke at jeg tror at du er interesseret i det, men jeg vil bare gerne lige have det med i fald at min arbejdsgiver ser mine beskeder :) Fynske Medier er et bladhus og ejer og/eller driver en lang række websites.

Det er nu ikke for at være hemmelighedsfuld, men hvis en virksomhed har valgt ikke at dele tekniske detaljer med omverdenen, så mener jeg at det ville være forkert af mig begynde at dele min viden om dem.

Det har du ret i. Men jeg vil da sige tak for dit input, er du Datalog eller hvor har du alle de goodies fra?